《学习OpenCV》第6章 图像变换.pptx

第6章 图像变换本章各小节目录概述卷积梯度和Sobel导数拉普拉斯变换Canny算子霍夫变换重映射拉伸、收缩、扭曲和旋转CartToPolar与PolarToCartLogPolar离散傅里叶变换（DFT）离散余弦变换（DCT）积分图像距离变换直方图均衡化概述第5章介绍了许多类型的图像处理方法。迄今为止，所介绍的大多数操作都用于增强、修改或者“处理”图像，使之成为类似但全新的图像。本章将关注图像变换（image transform，即将一幅图像转变成图像数据）的另一种表现形式。变换最常见的例子就也许是傅里叶变换（Fourier transform），即将图像转换成源图像数据的另一种表示。这类操作的结果仍然保存为OpenCV图像结构的形式，但是新图像的每个单独像素表示原始输入图像的频谱分量而不是我们通常所考虑的空间分量。计算机视觉中经常会用到许多有用的变换。OpenCV提供了一套完整的实现工具和方法，其中一些普通的工具和方法就像积木一样可帮助我们实现各种图像转换。卷积卷积（convolution）是本章所讨论的很多变换的基础。从抽象的层次说，这个术语意味着我们要对图像的每一个部分进行操作。从这个意义上讲，我们在第5章所看到的许多操作可以被理解成普通卷积的特殊情况。一个特殊卷积所实现的功能是由其卷积核的形式决定的。这个核本质上是一个大小固定、由数值参数构成的数组，数组的参考点（anch